Budapesti Műszaki és Gazdaságtudományi Egyetem Természettudományi Kar |
Tantárgy Adatlap |
Tantárgy kód | BMETE95MM29 |
Tantárgy azonosító adatok | |||||||||
1. | A tárgy címe | Tanuló algoritmusok, tőzsdézés, becslési eljárások és martingálok | |||||||
2. | A tárgy angol címe | Learning Algorithms, Stock Market, Estimation Schemes and Martingales |
3. | Heti óraszámok (ea + gy + lab) és a félévvégi követelmény típusa | 2 | + | 0 | + | 0 | v | Kredit | 3 |
4. | Ajánlott/kötelező előtanulmányi rend | ||||||||
vagy | Tantárgy kód 1 | Rövid cím 1 | Tantárgy kód 2 | Rövid cím 2 | Tantárgy kód 3 | Rövid cím 3 | |||
4.1 | |||||||||
4.2 | |||||||||
4.3 | |||||||||
5. | Kizáró tantárgyak | ||||||||
6. | A tantárgy felelős tanszéke | Sztochasztika Tanszék | |||||||
7. | A tantárgy felelős oktatója | Dr. Morvai Gusztáv | beosztása | tudományos főmunkatárs |
Akkreditációs adatok | ||||
8. | Akkreditációra benyújtás időpontja | 2016.11.03 | Akkreditációs bizottság döntési időpontja | 2016.11.29 |
Tematika | |||||||||
9. | A tantárgy az alábbi témakörök ismeretére épít | ||||||||
valószínűségszámítás, sztochasztikus folyamatok |
|||||||||
10. | A tantárgy szerepe a képzés céljának megvalósításában (szak, kötelező, kötelezően választható, szabadon választható) | ||||||||
Matematikus BSc és Alkalmazott matematikus MSc szabadon választható tárgya |
|||||||||
11. | A tárgy részletes tematikája | ||||||||
A tanuló algoritmus definíciója, a tőzsde modellje, tanuló algoritmusok a tőzsdézésben. Hisztogramos , magfüggvényes, legközelebbi szomszédos tőzsdei tanuló algoritmusok. Tőzsdei tanuló algoritmusok extra információ esetén. Martingálok, korlátos és nem korlátos martingál-differenciák, martingál-differenciák átlagai és alkalmazásaik tanuló algoritmusok elemzésében. A becslési probléma. On-line becslések tanuló algoritmussal. Előre és hátrafelé becslések. Korlátos és nem korlátos folyamatok. Becslések extra információ esetén. Tippelések, tippelő algoritmusok. Tippelés tanuló algoritmussal. Tippelés extra információ esetén. Ismeretlen folyamat megtanulása. A függőségi struktúra feltérképezése. Tanulás véges emlékezetű folyamatokra. Módszer ellenpéldák konstruálására. Valószínűség-számítás ismerete szükséges a kurzushoz. Sztochasztikus folyamatok ismerete hasznos a kurzushoz. Martingálok ismerete előnyös a kurzushoz. Definition of learning algorithms, the model of the stock market, making money with learning algorithms. Partition, kernel and nearest neighbour based stock market learning algorithms. Stock market learning algorithms when side information is available. Martingales, bounded and unbounded martingale differences, averages of martingale differences and their applications for analysing learning algorithms. The estimation problem. Forward and backward estimations. Estimation with learning algorithms for bounded and for unbounded time series. Estimation when side information is available. Guessing schemes, guessing with learning algorithms. Guessing when side information is available. Learning an unknown process. Learning the dependency structure of a process. Learning for processes with finite memories. Method for constructing counterexamples. Knowledge of probability theory is necessary for this course. Knowledge of stochastic processes is useful for the course. Knowledge of martingales is advantageous for the course. |
|||||||||
12. | Követelmények, az osztályzat (aláírás) kialakításának módja | ||||||||
szorgalmi időszakban |
vizsga- időszakban |
szóbeli vizsga | |||||||
13. | Pótlási lehetőségek | ||||||||
pótvizsga |
|||||||||
14. | Konzultációs lehetőségek | ||||||||
megbeszélés alapján |
|||||||||
15. | Jegyzet, tankönyv, felhasználható irodalom | ||||||||
L. Györfi et al: Machine learning for financial engineering, World Scientific, 2012. |
|||||||||
G. Morvai: Information Theory and Stock Market. |
|||||||||
G. Morvai: Estimation of conditional distributions for stationary time series. |
|||||||||
16. | A tantárgy elvégzéséhez átlagosan szükséges tanulmányi munka mennyisége órákban (a teljes szemeszterre számítva) | ||||||||
16.1 | Kontakt óra | 28 |
|||||||
16.2 | Félévközi felkészülés órákra | 28 |
|||||||
16.3 | Felkészülés zárthelyire | 0 |
|||||||
16.4 | Zárthelyik megírása | 0 |
|||||||
16.5 | Házi feladat elkészítése | 0 |
|||||||
16.6 | Kijelölt írásos tananyag elsajátítása (beszámoló) | 0 |
|||||||
16.7 | Egyéb elfoglaltság | 0 |
|||||||
16.8 | Vizsgafelkészülés | 34 |
|||||||
16.9 | Összesen | 90 |
|||||||
17. | Ellenőrző adat | Kredit * 30 | 90 |
A tárgy tematikáját kidolgozta | |||||||||
18. | Név | beosztás | Munkahely (tanszék, kutatóintézet, stb.) | ||||||
Dr. Morvai Gusztáv |
tudományos főmunkatárs |
MTA Sztochasztika Kutatócsoport |
|||||||
A tanszékvezető | |||||||||
19. | Neve | aláírása | |||||||
Dr. Simon Károly |